京公网安备 11010802034615号
经营许可证编号:京B2-20210330
机器人的崛起将导致人类失业?经济学家并不这么看
近年来,人工智能和机器人得到了突飞猛进的发展。这导致一些人预测:未来人类将无法找到工作。
中英双字视频如下:
机器人的崛起并不意味着人类的失业
针对不方便打开视频的小伙伴,CDA字幕组也贴心的整理了文字版本,如下:
十年前,机器人看起来还很有局限性。
如今,已经大不相同。
计算机不仅仅能赢得国际象棋 ;它们还能在《危险边缘》中获胜(《危险边缘》(Jeopardy)美国智力问答节目);它们还能在围棋中获胜。
这一切都发生地非常快。这导致一些人预测:未来人类将无法找到工作。
但如果你去问经济学家,他们的看法往往与未来学家和硅谷精英们截然不同。
“你是否担心新的科技将导致大规模失业?”
Heidi Shierholz: 高级经济学家,经济政策研究所
"不担心。 "
Martin Ford:企业家,《机器人崛起》的作者
"担心。"
Heidi Shierholz: 高级经济学家,经济政策研究所
"我致力于研究劳动力市场,尤其是关于中低收入工人的生活水平。我担忧很多问题,但我对这件事并不担忧。"
很多经济学家对于机器人将抢走所有工作持怀疑态度的原因之一在于 ,之前我们听说过这种说法。
历史因素
在20世纪30年代末,对自动化的担忧出现激增。
当时机器开始取代一些农场和工厂的工作。这篇1928年的文章指出 ,当时在纽约的地铁有人负责开关地铁门,而且在闸机出现前有人负责检票。
对自动化的焦虑在50年代末和60年代初再次飙升。肯尼迪总统将自动化列为造成就业挑战的首要因素。
一篇发表于1958年的文章表示,当时约有17000名码头工人在码头上抗议自动化。
如果你不知道码头工人是什么,那是因为如今从事这种职业的人已经很少了。科技摧毁了大量这类工作。
但话又说回来,我们并没失去工作。
这张图表显示了在美国处于壮年期有工作的人口。
自从女性大量加入劳动力大军以来,工作的人口占比一直处于80% 除了经济衰退时期。
在此期间,在美国技术取代了约八百万农民、七百万工厂工人、超过一百万铁路工人,以及成千上万的电话接线员。
大量工作已经消亡,但工作仍在存在。
当看到这些过去的报道时,我们很容易看到哪些工作被机器所取代了,但想象之后会出现哪些工作就不太容易了。
科技将带来新的工作
新型科技通过一些方式产生新的工作。
有一些直接的工作,需要人们来设计和维护科技;有时科技会孕育出全新的行业。
但我们往往忘记是,那些节省劳力发明的间接作用。当企业用更少的精力能完成更多内容,它们能够扩张,也许产生新的产品,或者新开设新办公点,然后降低成本用于竞争。
这意味着消费者可以买更多它们的产品,或者我们不需要更多这种产品的话,我们可以省钱买更多其他产品。也许用来观看更多的体育赛事或者出去就餐;或者更多的理发;为孩子增加日托等。
这个过程显示了我们的生活水平是如何随着时间而提升,而且当中总是需要人工作。
Heidi Shierholz: 经济学家
"这里的关键经济逻辑是,自动化确实取代了一些工作。但因为相互抵消,实际上并没有影响到就业的总人数。"
关于"工作的终结"的警示只关注了这部分内容,而忽视了另一部分的内容。
就像在2013年被广泛引用的一项研究。
"根据牛津大学的一份研究 ,在未来的十年到二十年内,美国47%的工作将被机器人取代。"
这项研究对自动化技术的能力进行了评估,但没有尝试评估自动化实际的程度和发展情况,或者对就业的整体影响。
这并不意味着新的工作会马上出现,也不意味着新工作将出现在同样的领域,而且与消亡的工作薪资一样。这意味着对人类工作的整体需求并没有消失,
技术专家和未来学家没否认这是历史上的事实,但他们质疑历史是否能很好地指导未来的发展。
Martin Ford:企业家,《机器人崛起》的作者
"归根结底,争论在于这次是截然不同的,我是这么认为的。想象一下机器能够将日常的工作都自动化,这就是我们现在在探讨的,而且将会是全面的。"
对科技的低估
人们常常会低估科技的发展。
在一本出版于2004年的书中,两名经济学家对未来自动化进行评估:认为教会计算机驾驶交通设施这类任务是"非常困难的"。
同年,一篇回顾了50年研究的文章得出结论:人类级别的语音识别已经被证明是一个难以实现的目标。
如今呢?
这是计算机硬件发展的图表。
这是随着时间的推移,工程师们压到电脑芯片上晶体管的数量。已经相当可观了,但注意这不是按一般比例增长,这些数字呈指数级增长。
从线性尺度来看,应该是这个样子。很难想象这不会造成颠覆性的影响。
正如《第二个机器时代》的作者指出,"处理器并不是计算能力的成指数性提升唯一维度。"
Martin Ford:企业家
"你在日常生活中遇到的加速是什么概念?也许是在汽车中几秒的加速,或者是在飞机内的几秒。有些东西能在几十年内持续加速,这并不是我们能控制的,我们认为是直线发展。”
自动化的增长≠生产力的增长
但这些创新并没有显示在数据中。
Heidi Shierholz: 经济学家
"说道自动化的大幅增长,我们会想到生产力的增长比通常要快得多,而我们却看到了相反的情况。"
劳动生产率是衡量我们生产的商品和服务除以工作时间的标准。
随着时间的推移,我们能用较少的劳动力做更多的事情,我们的效率更高。
如果看到大量节省劳动力的创新,你会预期这条线变得更陡。
但当看到生产率增长时,你会发现自本世纪初以来生产率一直在放缓,不仅仅美国是这种情况。
新技术正在改变我们的生活,也许并没有从根本上改变经济。
那么这都会改变吗?
今天的机器人和人工智能会造成大规模失业吗?
我们有理由怀疑,但没人真正知道。
但我们知道的是,技术创造的财富并不一定与就业者们分享。
当通货膨胀时,随着经济的增长,大多数家庭的收入都保持在相当低的水平。
Heidi Shierholz: 经济学家
"在过去四十年中,我们看到的一个问题是:生产率的增长并没有被广泛的分享,这只被一小部分高收入的人群所获得。"
即使失业率保持在低水平,自动化也可能加剧经济不平等。
《英国金融时报》:
"美国社会流动差距在持续扩展。"
在美国,这种情况已经比大多数其他发达国家更为严重。
Bloomberg :
"OECD (经合组织) 表示,智利、墨西哥和美国的不平等程度最高。"
但科技并不是定数。
美国《国会山报》:
"自2014年以来 没有医疗保险的人口比例首次增长。"
Martin Ford:企业家
"我们已经采取了一些政策,并不是试图抵消技术 全球化和其他因素造成的趋势。我们在很多情况下加剧了这种趋势。我们在这背后助力,让这发展得更迅猛,这是个大问题。"
我们可能会一直被机器人将取代我们工作的前景所吸引。但是,如果把注意力集中在我们无法控制的事情上,我们就会忽视我们能做的事情。
如何学习 AI
人工智能的发展离不开人才的培育,而CDA数据分析师作为行业的领头羊,将从各个应用场景入手,用实际案例教学来使CDA人工智能工程师就业班课程更能符合行业要求。
扫描二维码,报名CDA人工智能工程师就业班,抓住机遇,赢在未来。咨询电话:赵老师 18510169390。
扫描二维码 报名加入
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16